孙晓东，朱烷秋，张涛，潘伟，许波 （江苏大学电气信息工程学院，镇江212013）

摘要：针对永磁同步电机这一多变量、非线性、强耦合的控制对象，提出了一种基于神经网络在线辨识的永磁同步电机逆系统解耦控制新方法。通过静态神经网络加积分器来构造永磁同步电机的逆系统，并在实际运行中不断地修正神经网络权值，使其更精确地逼近逆系统。将逆系统与永磁同步电机原系统复合成两个伪线性子系统，使永磁同步电机解耦成二阶线性转速子系统和一阶线性磁链子系统，在此基础上，运用线性系统理论进行综合。仿真试验表明这种控制策略能够实现永磁同步电机转速和定子磁链之间的动态解耦控制，并且系统具有良好的动静态性能。

关键词：永磁同步电机；神经网络；逆系统；在线辨识；解耦控制

中图分类号：TM341; TM351; TP271+ 72  文献标志码：A  文章编号：1001-6848( 2010) 01-0061-05

         

 

0 引  言

  永磁同步电动机具有气隙磁密高、体积小、性能好、结构简单、可靠性高、输出转矩大等特点，在工业自动化、数控机床、机器人、泵机及航空航天领域得到了广泛应用。由于永磁同步电动机是一个多变量、强耦合、非线性、变参数的复杂对象，因此，要实现系统高性能控制的关键在于解耦控制。目前，高性能永磁同步电动机调速系统的解耦控制方法主要有：矢量控制^[1,2]、直接转矩控制^[3，4]、微分几何状态反馈控制^[5]、解析逆线性解耦控制^[6]。等。矢量控制实现的是一种稳态近似解耦，仅当磁链达到稳态并保持稳定时，转速与磁链才满足解耦关系，因此，其动态响应性能还不能令人满意；直接转矩控制是利用转矩和磁链滞环来实现动态解耦，但存在低速性能差、转矩脉动大等缺陷；微分几何方法虽能取得系统

的精确线性化及输入输出渐近解耦，但需要用到抽象的微分几何知识，工程上应用有一定困难；逆系统方法具有物理概念清晰直观，数学分析简单明了等优点，已在多变量解耦控制中得到应用，但存在电机参数变化的鲁棒性和适应性不理想，抗负载扰劫能力不强等缺点。近年来出现的神经网络逆系统解耦控制策略^[7-9]，由于兼顾了逆系统的线性化解耦的特点和神经网络^[10.11]对非线性系统逼近能力及对系统参数变化的适应能力，在一般非线性系统的线性化解耦控制中已得到了运用。

  大多数非线性系统的神经网络逆解耦控制都是采用离线训练的方式，一旦训练完成权值不可改变，而永磁同步电机在实际运行中，受电机负载、参数变化影响较大，这将影响通过离线训练的神经网络对逆系统逼近的精确性，使系统控制偏离预期目标。本文针对永磁同步电机转速和定子磁链之间的耦合性，提出了基于神经网络在线辨识的永磁同步电机逆系统解耦控制策略。采用双BP神经网络结构，在可逆性分析的基础上，采用静态神经网络加积分器构造出永磁同步电机的逆系统，将其动态解耦成二阶线性转速子系统和一阶线性定子磁链子系统。通过离线学习训练得到神经网络的初始权值，并与原系统串联构成神经网络逆控制器；然后在永磁同步电机实际运行中，采用相同结构的神经网络在线逼近其逆系统，在下一个采样周期把在线辨识得到的权僮赋给神经网络逆控制器，通过不断地调整神经网络逆控制器的权值来更好地对系统进行解耦控制。在此基础上，采用线性系统理论进行综合，整个控制

系统对模型参数的变化有较强的鲁棒性，仿真试验表明了该控制策略的有效性。

1数学模型及可逆性分析

  为便于对永磁同步电机数学模型的分析，作如下假设：(1)忽略空间谐波，设三相统组在空间上对称放置，所产生的磁动势沿气隙圆周呈正弦分布；(2)忽略电机铁心非线性饱和影响，认为绕组自感和互感恒定；(3)忽略铁心损耗；(4)不考虑频率和温度变化对绕组电阻的影响；(5)忽略转子的阻尼绕组。

  在d、q旋转坐标系下，永磁同步电机的动态模型可由以下三阶微分方程描述^[12]。

式中，uduq为定子电压，R1为定子电阻，ψd、ψq为定子磁链，ψf为转子永磁体磁链；Ld、Lq为定子自感，ω1为转子角速度。

   这系统的输出为转子角速度和定子磁链幅值的平方，则系统的输出方程为